# 🔍 OCR Architecture Summary

**Дата:** 2026-01-16

---

## ❓ Питання та відповіді

### 1. Чи можу я отримати ліцензію Datalab Chandra?
**Ні** — це потребує контакту з Datalab та оплати. Модель закрита.

### 2. Альтернативи OCR моделей:

| Модель | Статус | Призначення | VRAM |
|--------|--------|-------------|------|
| **GOT-OCR2.0** | ✅ Встановлюється | Документи, таблиці, формули, рукопис | ~8GB |
| **TrOCR** | ✅ Резервна | Друкований текст | ~2GB |
| **DeepSeek VL** | ⚠️ Через API | Vision + OCR | - |
| **IBM Docling** | ⚠️ Python бібліотека | PDF парсинг | CPU |

### 3. Чи потрібен MoE роутер?
**НІ** — MoE (Mixture of Experts) це внутрішня архітектура моделей, не для маршрутизації сервісів.

### 4. Чи достатньо Swapper сервісу?
**ТАК** — Swapper може:
- Керувати завантаженням OCR моделей
- Динамічно перемикати між моделями
- Вивантажувати неактивні моделі

### 5. Коли потрібен окремий OCR роутер?
Якщо потрібно:
- Кілька OCR сервісів одночасно
- Маршрутизація за типом документа (таблиці → GOT-OCR, текст → TrOCR)
- Fallback між сервісами

---

## 🎯 Обрана архітектура

```
┌─────────────┐     ┌──────────────────┐     ┌─────────────────┐
│   Gateway   │────▶│   DAGI Router    │────▶│  OCR Service    │
└─────────────┘     └──────────────────┘     │  (GOT-OCR2.0)   │
                                              └─────────────────┘
                                                      │
                                              ┌───────▼───────┐
                                              │    Swapper    │
                                              │  (керування)  │
                                              └───────────────┘
```

### Чому GOT-OCR2.0?
1. **Найкраща open-source OCR** для документів та таблиць
2. **Доступна на HuggingFace** без ліцензії
3. **Підтримує**: документи, таблиці, формули, рукопис
4. **~8GB VRAM** — підходить для RTX 4000 SFF Ada (20GB)

---

## 📊 Порівняння OCR рішень

| Критерій | GOT-OCR2.0 | TrOCR | DeepSeek VL | Chandra |
|----------|------------|-------|-------------|---------|
| Таблиці | ✅ Відмінно | ❌ Базово | ⚠️ Через vision | ✅ Відмінно |
| Рукопис | ✅ Так | ✅ Окрема модель | ⚠️ Обмежено | ✅ Так |
| Формули | ✅ Так | ❌ Ні | ❌ Ні | ✅ Так |
| Ліцензія | ✅ Open | ✅ Open | ✅ Open | ❌ Платна |
| VRAM | 8GB | 2GB | API | 16GB+ |

---

## 🔧 Що встановлено

1. ✅ **OCR Inference Service** — з GOT-OCR2.0
2. ✅ **OCR API Service** — wrapper на порту 8002
3. ✅ **Router інтеграція** — `OCR_URL` та `CHANDRA_URL`
4. ✅ **Fallback** — TrOCR як резервна модель

---

## 📝 Наступні кроки (опціонально)

1. **Додати IBM Docling** — для PDF парсингу з таблицями
2. **Додати OCR роутер** — якщо потрібно кілька моделей одночасно
3. **Інтегрувати DeepSeek API** — для складних випадків

---

**Оновлено:** 2026-01-16